[发明专利]一种基于图像雾霾浓度估计的单幅图像去雾方法

说明书

本发明公开了一种基于图像雾霾浓度估计的单幅图像去雾方法，包括以下几个步骤：步骤1：输入雾霾图像；步骤2：将输入图像从RGB空间变换到HSV空间，划分SV通道图像，计算局部块特征向量；步骤3：以图像雾霾浓度最低为目标计算雾霾图像的初始最优大气传输值；步骤4：采用引导滤波器细化最优大气传输值；步骤5：将细化后的最优大气传输值、大气光照估测值以及雾霾图像中每个像素的亮度值计算得到清晰图像。通过将图像去雾转化为雾霾浓度最小化的优化问题，准确的确定大气传输值，从而实现尽可能去除雾霾，避免了在饱和区域产生严重的光晕现象与图像噪声。不仅能有效的去除雾霾，同时能抑制光晕现象与图像噪声的产生，适用于不同的复杂天气。

技术领域

本发明属于图像处理领域，特别涉及一种基于图像雾霾浓度估计的单幅图像去雾方法。

背景技术

雾霾天图像降质主要是因为大气中的分子，水汽及悬浮的大量颗粒组成的气溶胶对光线形成严重的吸收、散射和反射作用，造成大气能见度降低,加上大气湍流的影响，致使可见光成像系统的图像色彩将会变暗、对比度降低，严重影响了成像系统的使用。因此，分析雾霾成因，研究去雾技术，提高雾霾气象条件下的图像能见度具有重要意义。

其中，基于物理模型的去雾复原方法由于利用了景深信息，能最大限度地恢复清晰图像而得到广泛的研究。基于物理模型的去雾复原方法首先依据大气中图像退化的物理机制建立光学退化模型，然后利用退化模型通过逆过程对低质图像来恢复清晰图像，常用的Koschmieder大气模型数学表达为：

I(x)＝L(x)e^-βd(x)+A(1-e^-βd(x))

式中，I(x)表示雾霾图像，向量x为像素坐标，A表示大气光值(天空亮度)，L(x)为场景照度，d为场景景深，β为大气散射系数。常将t(x)＝e^-βd(x)称作大气传输图，其中L(x)e^-βd(x)为直接衰减项，表示物体表面反射光经大气粒子散射作用之后进入成像系统的部分，它随光线传播距离的增加成指数衰减。A(1-e^-βd(x))为环境光干扰项，它随着光线传播距离的增大而增强。求解该模型估算出参数L(x)就可以得到视觉清晰的图像。由于该模型包含3个未知参数：A，t与L，从本质上讲，这是一个多个未知数方程的病态反问题。